[發明專利]智能合約安全檢測方法、系統、設備、終端及應用

在審

• 申請號: 202110862067.6
• 申請日: 2021-07-29
• 公開（公告）號: CN113626826A
• 公開（公告）日: 2021-11-09
• 發明（設計）人: 董學文;田文生;沈玉龍;叢雅倩;張志為;佟威;張濤;冶英杰;李光夏
• 申請（專利權）人: 西安電子科技大學
• 主分類號: G06F21/57
• 分類號: G06F21/57;G06F16/27;G06F8/41;G06N3/04;G06N3/08
• 代理公司: 西安長和專利代理有限公司 61227
• 代理人: 何畏

1.一種智能合約安全檢測方法，其特征在于，所述智能合約安全檢測方法包括以下步驟：

步驟一，使用Github上的開源Go代碼訓練word2vec模型；

步驟二，按照智能合約語法，將開源Github代碼封裝成智能合約函數；

步驟三，將封裝好的函數轉化為抽象語法樹，并提取數據流和控制流信息；

步驟四，將智能合約的數據流和控制流信息轉化為圖模型；

步驟五，使用已訓練的word2vec模型將圖節點轉化成向量；

步驟六，使用圖神經網絡對圖模型進行訓練；

步驟七，讀出所有節點信息，將智能合約函數圖模型轉化成一個向量；

步驟八，使用分類模型判斷函數向量是否包含智能合約漏洞信息。

2.如權利要求1所述的智能合約安全檢測方法，其特征在于，所述智能合約安全檢測方法，還包括：

(1)使用開源代碼訓練word2vec模型，將開源代碼封裝成智能合約函數，并通過人工標注建立訓練數據集；

(2)將數據集按8：1：1進行整理，劃分為訓練集、驗證集和測試集；

(3)利用Go語言開發的AST分析工具，對源代碼文件進行處理，生成源文件的AST圖結構；

(4)將生成的圖結構保存到文件中，生成的程序圖結構文件和源文件對應；

(5)使用word2vec算法對步驟(4)的圖結構文件進行訓練；

(6)訓練圖神經網絡漏洞檢測模型，以完成分類檢測。

3.如權利要求2所述的智能合約安全檢測方法，其特征在于，步驟(4)中，所述程序圖由AST中的語法節點和語法標記構建而成；標準AST節點只有一個邊，用于表示兩個AST節點之間的父子關系；模型向AST添加保護邊、跳轉以及最后字典在內的多條邊，使用鄰接矩陣來記錄每個關系圖的邊，用于獲取額外的語法、數據和控制信息；對于每一條邊，在額外添加一條后向邊，用于在關系圖中傳播信息；其中，所述AST中的語法節點語言語法中的非終端，包括if語句或函數聲明的AST節點；所述語法標記為終端，包括標識符名稱和常數值。

4.如權利要求2所述的智能合約安全檢測方法，其特征在于，步驟(5)中，所述使用word2vec算法對圖結構文件進行訓練通過調用Gensim庫實現；所述word2vec網絡將每個程序圖的節點和標記映射到一個向量中，使源代碼中上下文關系緊密的詞在向量空間中彼此緊鄰；

將源代碼文件以函數為單位分割，用訓練好的word2vec模型逐個對函數進行處理，實現每個函數圖結點向量的初始化，并創建數據流、控制流圖，并將函數的圖結點和圖結構單獨保存到文件中，文件用0和1標注函數是否包含漏洞，這些文件將作為圖神經網絡的輸入數據。

5.如權利要求2所述的智能合約安全檢測方法，其特征在于，步驟(6)中，所述訓練圖神經網絡漏洞檢測模型，包括：

使用鄰域聚合算法進行多關系圖的學習，GGNN模型將關系圖的每個節點表示成一個包含100個特征的向量，通過鄰域聚合方案更新節點的嵌入；圖節點v的100維嵌入向量h_v是由嵌入層通過遞歸聚合和變換其相鄰節點的表示向量而計算的；節點通過將其當前狀態，即嵌入向量作為消息發送給沿邊緣的所有鄰居來交換信息；在每個節點處，消息被匯總，用于在下一個嵌入層，即下一個迭代更新關聯的節點表示；在重復此過程以固定數量的迭代更新節點狀態后，使用讀出函數將圖狀體聚合到單個嵌入向量。